金相分析是金属行业中普遍的质量检测手段之一,金属材料的性能往往依赖于其自身的显微组织。本文研究的对象原材料是高碳钢,其淬回火后的金相组织中碳化物评定的传统方法是对照图谱比较来确定等级,但存在着准确性差、重复性和效率低等缺点。当前商用软件尚未出现具有普适性并且完全自动化的功能模块。碳化物的形态及分布对本文所研究的对象非常重要,是日常的分析测试,希望开发一款全自动的分析脚本来提高分析测试的准确性。本文采用数字图像处理及机器学习的方法,定量分析出淬回火高碳钢组织中的碳化物颗粒的含量、尺寸和分布参数。首先对钢淬回火热处理后的金相组织腐蚀剂优化,得到了轮廓清晰、衬度分明的图片。接着以MATLAB软件为工具,对图片做滤波、二值化、形态学操作、图像分割等处理,计算出不同热处理条件下的碳化物含量、尺寸和分布等参数。针对工作中大批量的图片,利用机器学习中的支持向量机训练模型提取待分割对象,解决了过度分割的问题,实现了自动识别待分割的对象功能,使得碳化物的精准度提高、实际工作效率翻倍提升。同时,对图像处理方法做了方法评估,获得的有效信息大于90%,准确性、重现性均小于5%。得出如下结论:通过图像处理和机器学习的方法,碳化物的测量实现了人工目测到定量分析的转变,精确地给出了碳化物的含量、尺寸和分布,准确性和工作效率均得到了显著提升;同时给出了产品力学性能结果衍生出的规律数据,对热处理工艺可以反向指导优化,为产品性能大数据分析提供了有用的支持。